UPV



optimización


Publicada By  Víctor Yepes Piqueras - ingeniería civil, investigación, optimización    

Tal y como os comenté en un post anterior, un grupo de profesores decidimos lanzar un número especial sobre optimización avanzada en la revista Advances in Civil Engineering (indexada en el JCR). El enlace, en abierto, al contenido de este número especial lo podéis ver aquí: https://www.hindawi.com/journals/ace/si/893072/

Además, os dejo la presentación del número especial:

Descargar (PDF, 1.27MB)

El número completo lo tenéis también aquí:

Descargar (PDF, 15.64MB)

20 julio, 2018
 

Publicada By  Víctor Yepes Piqueras - algoritmo, costes, estructuras, hormigón, optimización, Puentes    

Os dejo a continuación, en abierto, un estudio paramétrico que hemos realizado sobre pasarelas de hormigón postesado de sección en cajón. Espero que os sea de interés.

Referencia:

YEPES, V.; PÉREZ-LÓPEZ, E.; ALCALÁ, J.; GARCÍA-SEGURA, T. (2018). Parametric study of concrete box-girder footbridges. Journal of Construction Engineering, Management & Innovation, 1(2):67-74. doi:10.31462/jcemi.2018.01067074

ABSTRACT:

This paper presents a study of the parametric variability of post-tensioned concrete box-girder pedestrian bridges. SAMO2 algorithm is used for the parametric study. This algorithm combines SA with a mutation operator, to find the economic solutions. A span-length parametric study analyzes the characteristics for the best design of a three-span deck in which the main span ranges from 30 to 60 m. The depth and the number of strands were adjusted according to span length, while the thickness of the slabs presented the same optimum values in all cases. Results show that the amount of steel and volume of concrete per square meter of deck shows a good correlation with the main span length. This study demonstrates that by increasing the main span length by one meter, the total cost per square meter of the deck increases by 6.38 euros on average. Thus, this paper shows the relationship between the span length and geometrical and steel variables to produce and build a cost-efficient pedestrian bridge.

KEYWORDS:

Structural optimization; Post-tensioned concrete; Box-girder bridge; Pedestrian bridge

Descargar (PDF, 235KB)

17 julio, 2018
 

Publicada By  Víctor Yepes Piqueras - algoritmo, costes, energía, estructuras, hormigón, investigación, optimización, Puentes, sostenibilidad    

Acaban de publicarnos en la revista Technologies un artículo que aplica el algoritmo de recocido simulado a la optimización del coste y de la energía empleada en un puente losa postesado con tablero aligerado. Se resuelve un problema complejo de optimización de 33 variables de diseño. Como resultados interesantes cabe señalar que, en ocasiones, las soluciones de menor coste no son necesariamente las que menos energía consumen. El artículo se ha publicado en abierto y se puede descargar en la web. Aquí tenéis la referencia y el artículo completo.

 

Referencia:

ALCALÁ, J.; GONZÁLEZ-VIDOSA, YEPES, V.; MARTÍ, J.V. (2018). Embodied energy optimization of prestressed concrete slab bridge decks. Technologies, 6(2):43. doi:10.3390/technologies6020043 (link)

Descargar (PDF, 1.88MB)

Publicada By  Víctor Yepes Piqueras - algoritmo, ingeniería civil, investigación, optimización, sostenibilidad, toma de decisiones    

By World-Telegram staff photographer [Public domain], via Wikimedia Commons

Investigadores de la Universitat Politècnica de València y de la Universidad de La Frontera (Chile) han elaborado un algoritmo, basado en la armonía musical del jazz, que determina qué inversión es más adecuada

 

La metodología ya se ha aplicado en El Salvador, donde ha permitido priorizar las inversiones en carreteras

 

 

 

 

 

Las administraciones públicas se enfrentan continuamente ante problemas de gran calado social cuando tienen que invertir grandes sumas de dinero en infraestructuras clave, como puede ser una carretera, un hospital o una universidad.

Ahora, un equipo de investigadores de la Universitat Politècnica de València y de la Universidad de La Frontera (Chile) ha desarrollado un novedoso estudio que demuestra que el jazz puede ayudarles a decidir en qué infraestructuras es mejor invertir el dinero, para favorecer así la calidad de vida de los ciudadanos. Su trabajo ha sido publicado en el Journal of Cleaner Production.

La metodología diseñada por el equipo de científicos españoles y chilenos se basa en la inteligencia subyacente en la armonía musical del jazz.  “La armonía nos ha servido de inspiración para elaborar un algoritmo que es capaz de determinar el impacto de una determinada decisión –invertir en un aeropuerto o en una línea de AVE, por ejemplo – tanto a corto como a medio y largo plazo”, apunta Víctor Yepes, investigador del Instituto Universitario de Ciencia y Tecnología del Hormigón (ICITECH) de la Universitat Politècnica de València.

Según explica el profesor Yepes, el algoritmo de búsqueda armónica (harmony search, en inglés) se basa en el proceso de la improvisación musical. “No todo el mundo posee habilidad para improvisar música, pues es un proceso que requiere experiencia y conocimiento previo de las armonías. Por ejemplo, en el jazz, el músico compone una nueva melodía basándose en sus conocimientos musicales para seleccionar nuevas notas aleatoriamente. Si el conjunto de notas tocadas se consideran una buena armonía, esta se guarda en la memoria de cada músico, incrementando la posibilidad de hacer una buena armonía la próxima vez”, señala el investigador de la UPV.

El algoritmo desarrollado por los investigadores españoles y chilenos hace algo parecido. Cada melodía se define por un vector, al igual que cada infraestructura que debe ser elegida. Cada nueva iteración del algoritmo elige una melodía (infraestructura) parecida que, si es mejor, se añade al repertorio. “Al final del proceso, el algoritmo es capaz de definir una melodía (infraestructura) de calidad muy alta. Dicho de otro modo, la inteligencia del algoritmo permite ayudar a elegir la mejor infraestructura posible considerando aspectos tan diversos como la empleabilidad, la educación, la sanidad, el confort o la calidad de vida”, apunta Víctor Yepes.

Más objetivo

El método permite minimizar los errores al decidir qué tipo de inversión es la más adecuada, haciendo más objetiva la decisión de las autoridades, al considerar no solo los efectos económicos y medioambientales, sino también los sociales, que son más difíciles de evaluar.

“Los factores económicos o medioambientales condicionan el tipo de decisión. Pero los efectos en la sociedad a corto y largo plazo pueden ser irreversibles. Muchos son los ejemplos de malas decisiones con graves repercusiones: aeropuertos infrautilizados, líneas de alta velocidad innecesarias, altas listas de espera en hospitales, altísimos porcentajes de paro, etc. Este método ayudaría a acabar con estas situaciones”, destaca Víctor Yepes.

El Salvador

La metodología se ha aplicado ya en El Salvador, donde ha permitido priorizar las inversiones en carreteras, maximizando los beneficios tanto a corto como a largo plazo. “La trascendencia del método desarrollado es su aplicabilidad a cualquier contexto y territorio, lo que permite mejorar las condiciones de vida de amplios sectores sociales con ayuda de la inteligencia subyacente en la música”, concluye Víctor Yepes.

Os dejo también una entrevista radiofónica en À Punt Ràdio:

 

Agradecimientos:

Luis Zurano, de la Unidad de Cultura Científica e Innovación de la Universitat Politècnica de València

Referencias:

SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects.  Journal of Cleaner Production, 176:521-534. https://doi.org/10.1016/j.jclepro.2017.12.140

http://www.upv.es/noticias-upv/noticia-9959-algoritmo-de-bu-es.html

http://www.expansion.com/sociedad/2018/04/21/5adb576e468aebd0578b466b.html

http://www.cope.es/noticias/cultura/jazz-ayuda-decidir-que-infraestructuras-prioritario-invertir_206188

http://www.lavanguardia.com/vida/20180421/442818278872/el-jazz-ayuda-a-decidir-en-que-infraestructuras-es-prioritario-invertir.html

http://agencias.abc.es/agencias/noticia.asp?noticia=2797859

https://www.elconfidencial.com/ultima-hora-en-vivo/2018-04-21/el-jazz-ayuda-a-decidir-en-que-infraestructuras-es-prioritario-invertir_1499304/

https://www.efe.com/efe/comunitat-valenciana/portada/el-jazz-ayuda-a-decidir-en-que-infraestructuras-es-prioritario-invertir/50000877-3591711

https://www.diarilaveu.com/noticia/81405/algoritme-inspirat-jazz-decidir-infraestructures

Un algoritmo heurístico basado en el jazz ayuda a decidir en qué infraestructuras es prioritario invertir

23 abril, 2018
 
|   Etiquetas: ,  ,  ,  ,  ,  |  

Publicada By  Víctor Yepes Piqueras - algoritmo, estructuras, hormigón, investigación, modelo matemático, optimización, Puentes, sostenibilidad    

Figura 1. Diseño tradicional de estructuras por prueba y error (Yepes, 2017)

El diseño de las estructuras se ha basado fundamentalmente en la experiencia del ingeniero proyectista. La topografía y las condiciones de tráfico, entre otros, determinan el diseño de un puente. A partir de ahí, las dimensiones de la sección transversal, el tipo de hormigón y la disposición general de las armaduras se definen atendiendo a la experiencia profesional y a las recomendaciones y criterios de diseño (Figura 1). A continuación, se ajustan el resto de variables, tras comprobar el cumplimiento de los estados límite último y de servicio. Si el proyectista quiere mejorar el diseño propuesto, normalmente se realiza un proceso de prueba y error, de forma que tras varios tanteos, se intenta reducir el consumo de materiales, y por tanto, el coste de la estructura. Frente a este planteamiento, los métodos heurísticos emplean técnicas basadas en la inteligencia artificial para seleccionar un diseño, analizar la estructura, controlar las restricciones y rediseñar la estructura modificando las variables hasta conseguir optimizar la función objetivo.

Cohn y Dinovitzer (1994) revisaron la investigación realizada en su momento en relación con la optimización de las estructuras y señalaron la brecha existente entre los estudios teóricos y la aplicación en problemas estructurales reales. Sarma y Adeli (1998) analizaron años más tarde los estudios relacionados con la optimización matemática de las estructuras, complementada más recientemente por Hare et al. (2013) que estudiaron la aplicación de los algoritmos heurísticos en la optimización estructural. Los algoritmos heurísticos difieren en cuanto a planteamiento y aplicabilidad de los métodos matemáticos exactos. De hecho, la optimización heurística resulta muy efectiva pues, aunque no garantiza la obtención del óptimo global del problema, proporciona soluciones casi óptimas en tiempos de cálculo razonables. Esta ventaja cobra importancia en la optimización de estructuras reales, donde el número de variables crece extraordinariamente de forma que desborda el tiempo de cálculo de los métodos exactos de optimización. Además, la programación matemática requiere el cálculo de gradientes de las restricciones, mientras que la optimización heurística incorpora las restricciones de diseño de una manera directa (Lagaros et al., 2006).

Las técnicas metaheurísticas utilizan estrategias de búsqueda para localizar óptimos locales en grandes espacios de soluciones de forma efectiva. Un ejemplo de ello son los Algoritmos Genéticos (Genetic Algorithms, GAs), que son procedimientos de búsqueda poblacionales inspirados en la evolución natural (Holland, 1975). Así, los GAs generan soluciones de alta calidad a través del cruce genético con otros individuos de una población y la mutación de algunas de sus características a lo largo de generaciones. Los padres suelen seleccionarse atendiendo a su aptitud (Coello, 1994) y los hijos mantienen ciertas características de sus padres. En cada generación sobreviven los hijos con mayores aptitudes. Además, para evitar la convergencia prematura del algoritmo, se utiliza un operador de mutación, al igual que ocurre en la Naturaleza, que cambia aleatoriamente de vez en cuando alguna de las características de las nuevas soluciones. Una variante a esta técnica son los Algoritmos Meméticos (Moscato, 1989), donde cada individuo de la nueva generación se mejora mediante una búsqueda local con el objetivo de mejorar los genes para que los padres obtengan mejores resultados en las siguientes generaciones. Esta técnica, por tanto, aplica los GAs a poblaciones de óptimos locales.

La inteligencia de enjambre (swarm intelligence) es una metaheurística poblacional empleada en los problemas de optimizacón. Estos algoritmos imitan el comportamiento colectivo de los sistemas descentralizados y auto-organizados, tales como algunas colonias de insectos, basándose en la interacción entre los vecinos, pero que siguen un patrón global. Los algoritmos de enjambre difieren en filosofía de los algoritmos genéticos porque utilizan la cooperación en lugar de la competencia (Dutta et al., 2011). Entre los algoritmos pertenecientes a este grupo, basados en el comportamiento biológico, destaca la optimización de colonias de hormigas (Ant Colony Optimization, ACO), la optimización de enjambre de partículas (Particle Swarm Optimization, PSO), las colonias de abejas artificiales (Artificial Bee Colony, ABC), la optimización en enjambres de luciérnagas (Glowworm Swarm Optimization, GSO), entre otros. ACO basa su estrategia en el comportamiento de las hormigas, que dejan un rastro de feromonas para encontrar alimento de forma efectiva (Colorni et al., 1991); PSO simula un sistema social simplificado (Kennedy y Eberhart, 1995); ABC imita el comportamiento alimentario forrajero de las abejas (Karaboga y Basturk, 2008); GSO imita un movimiento de las luciérnagas hacia los vecinos más brillantes (Krishnanand y Ghose, 2009).

Las metaheurísticas poblacionales presentan una amplia capacidad de búsqueda en paralelo y una fuerte robustez. Sin embargo, para mejorar la intensificación de la búsqueda, estos algoritmos suelen combinarse con otras heurísticas de búsqueda local. Esta hibridación consigue explotar la diversificación en la búsqueda poblacional con la intensificación de la búsqueda local. Luo y Zhang (2011) comprobaron que el algoritmo híbrido presenta una convergencia más rápida, una mayor precisión y es más efectivo en la optimización de problemas ingenieriles. Blum et al. (2011) estudiaron las ventajas de la hibridación de las metaheurísticas en el caso de la optimización combinatoria.

El recocido simulado (Simulated Annealing, SA), propuesto por Kirkpatrick et al. (1983), constituye uno de los algoritmos utilizados en la optimización estructural. Este algoritmo se basa en el fenómeno físico del proceso de recocido de los metales. La energía de un sistema termodinámico se compara con la función de coste evaluada para una solución de un problema de optimización combinatoria. En ambos casos se trata de evolucionar de un estado a otro de menor energía o coste. El acceso de un estado metaestable a otro se alcanza introduciendo “ruido” con un parámetro de control al que se denomina temperatura. Su reducción adecuada permite, con una elevada probabilidad, que un sistema termodinámico adquiera un mínimo global de energía. SA presenta la ventaja de admitir soluciones de peor calidad al principio de la búsqueda, lo cual permite eludir óptimos locales de baja calidad. La aceptación por umbrales (Threshold Accepting, TA), propuesto por Dueck y Scheuer (1990), tolera también opciones de peor calidad para eludir los óptimos locales. La diferencia entre SA y TA es que el criterio de aceptación de una solución peor es probabilista en el primer caso y determinista en el segundo. Los algoritmos genéticos se han hibridado con el recocido simulado en el diseño óptimo de puentes prefabricados de hormigón pretensado (Martí et al., 2013; Martí et al., 2016) y vigas en I de hormigón armado (RC) (Yepes et al., 2015a). Otras estrategias de hibridación también han demostrado su eficiencia con PSO (Shieh et al., 2011, Valdez et al., 2011, Wang et al., 2013) y ACO (Behnamian et al, 2009, Chen et al., 2012).

Qu et al. (2011) señalaron la lentitud en la convergencia de los algoritmos GSO; del mismo modo Zhang et al. (2010) apuntaron ciertas deficiencias de estos algoritmos en la búsqueda del óptimo global. Es por ello que se ha hibridado SA con GSO (García-Segura et al., 2014c, Yepes et al., 2015b) para combinar la diversificación de la búsqueda de GSO con la intensificación de la búsqueda de SA para encontrar de forma efectiva un óptimo de elevada calidad. García-Segura et al. (2014c) mostraron cómo un algoritmo híbrido de optimización de enjambre de luciérnagas (SAGSO) obtuvo resultados considerablemente mejores en cuanto a calidad y tiempo de cálculo. SAGSO superó al GSO en términos de eficiencia, precisión y convergencia. Sin embargo, se requiere una buena calibración para garantizar soluciones de alta calidad con un tiempo de cómputo corto.

La búsqueda de la armonía (Harmony Search, HS) constituye una heurística propuesta por Geem et al. (2001) inspirada en el jazz, donde se trata de armonizar u construir sucesiones de acordes razonables. Las notas, los instrumentos y la mejor armonía representan los valores, las variables y el óptimo global. Alberdi y Khandelwal (2015) compararon ACO, GA, HS, PSO, SA y TS en la optimización del diseño de marcos de acero, comprobando que los mejores resultados se obtenían con HS. La búsqueda de la armonía se ha utilizado para optimizar columnas rectangulares de hormigón armado (de Medeiros y Kripka, 2014), forjados compuestos (Kaveh y Shakouri Mahmud Abadi, 2010) y pórticos planos de hormigón armado (Akin y Saka, 2015). Alia y Mandava (2011) recogieron en su trabajo las variantes utilizadas para hibridar con HS. García-Segura et al. (2015) emplearon un algoritmo de búsqueda de la armonía hibridada con la aceptación por umbrales para encontrar diseños óptimos sostenibles de puentes peatonales de hormigón postesado.

La optimización de los puentes atrajo la atención de los ingenieros a partir de la década de los años 70, incluyendo los puentes viga de acero, (Wills, 1973), el refuerzo de los puentes losa (Barr et al., 1989), los puentes viga de hormigón pretensado (Aguilar et al., 1973, Lounis y Cohn, 1993), y los puentes en cajón postesados construidos “in situ” (Bond, 1975; Yu et al., 1986). Desde la aparición de la inteligencia artificial, se ha puesto mayor énfasis en el uso de técnicas de optimización heurística para optimizar las estructuras. Srinivas y Ramanjaneyulu (2007) usaron redes neuronales artificiales y algoritmos genéticos para optimizar el coste de un puente de vigas en T. Rana et al. (2013) propusieron una optimización evolutiva para minimizar el coste de una estructura de puente continuo de hormigón pretensado de dos tramos. Martí et al. (2013) implementaron un algoritmo de recocido simulado híbrido para encontrar las soluciones más económicas de puentes prefabricados de hormigón pretensado de vigas artes. El uso de refuerzos de fibra de acero en ese tipo de puente se estudió posteriormente con algoritmos meméticos (Martí et al., 2015). Se propusieron algoritmos genéticos para optimizar las cubiertas poliméricas reforzadas con fibras híbridas y los puentes atirantados (Cai y Aref, 2015).

También se han optimizado otro tipo de estructuras con algoritmos heurísticos, como los forjados prefabricados (de Albuquerque et al., 2012), columnas de hormigón armado (Park et al., 2013; Nigdeli et al., 2015), columnas de acero (Kripka y Chamberlain Pravia, 2013), marcos espaciales de acero (Degertekin et al., 2008), marcos de hormigón armado (Camp y Huq, 2013), pórticos de hormigón armado (Payá-Zaforteza et al., 2010), vigas en I de hormigón armado (García-Segura et al., 2014c; Yepes et al., 2015a), pórticos de carreteras (Perea et al., 2008), pilas altas de viaductos (Martínez et al., 2011; 2013), muros de contención (Gandomi et al., 2015; Pei y Xia, 2012; Yepes et al., 2008, 2012; Molina-Moreno et al., 2017a), zapatas de hormigón armado (Camp y Assadollahi, 2013; Camp y Huq, 2013), bóvedas de pasos inferiores en carreteras (Carbonell et al., 2011) y estribos de puentes (Luz et al., 2015).

Referencias:

  • Aguilar, R.J.; Movassaghi, K.; Brewer, J.A.; Porter, J.C. (1973). Computerized optimization of bridge structures. Computers & Structures, 3(3), 429–442.
  • Akin, A.; Saka, M.P. (2015). Harmony search algorithm based optimum detailed design of reinforced concrete plane frames subject to ACI 318-05 provisions. Computers & Structures, 147, 79–95.
  • Alberdi, R.; Khandelwal, K. (2015). Comparison of robustness of metaheuristic algorithms for steel frame optimization. Engineering Structures, 102, 40–60.
  • Alia, O.M.; Mandava, R. (2011). The variants of the harmony search algorithm: an overview. Artificial Intelligence Review, 36(1), 49–68.
  • Barr, A.S.; Sarin, S.C.; Bishara, A.G. (1989). Procedure for structural optimization. ACI Structural Journal, 86(5), 524–531.
  • Behnamian, J.; Zandieh, M.; Fatemi Ghomi, S.M.T. (2009). Parallel-machine scheduling problems with sequence-dependent setup times using an ACO, SA and VNS hybrid algorithm. Expert Systems with Applications, 36(6), 9637–9644.
  • Blum, C.; Puchinger, J.; Raidl, G.R.; Roli, A. (2011). Hybrid metaheuristics in combinatorial optimization: A survey. Applied Soft Computing, 11(6), 4135–4151.
  • Bond, D. (1975). An examination of the automated design of prestressed concrete bridge decks by computer. Proceedings of the Institution of Civil Engineers, 59(4), 669–697.
  • Cai, H.; Aref, A.J. (2015). A genetic algorithm-based multi-objective optimization for hybrid fiber reinforced polymeric deck and cable system of cable-stayed bridges. Structural and Multidisciplinary Optimization, 52(3), 583–594.
  • Camp, C.V.; Assadollahi, A. (2013). CO2 and cost optimization of reinforced concrete footings using a hybrid big bang-big crunch algorithm. Structural and Multidisciplinary Optimization, 48(2), 411–426.
  • Camp, C.V.; Huq, F. (2013). CO2 and cost optimization of reinforced concrete frames using a big bang-big crunch algorithm. Engineering Structures, 48, 363–372.
  • Carbonell, A.; González-Vidosa, F.; Yepes, V. (2011). Design of reinforced concrete road vaults by heuristic optimization. Advances in Engineering Software, 42(4), 151-159.
  • Chen, S.M.; Sarosh, A.; Dong, Y.F. (2012). Simulated annealing based artificial bee colony algorithm for global numerical optimization. Applied Mathematics and Computation, 219(8), 3575–3589.
  • Coello, C. (1994). Uso de Algoritmos Genéticos para el Diseño Óptimo de Armaduras. In Congreso Nacional de Informática “Herramientas Estratégicas para los Mercados Globales”, pp. 290–305. Fundación Arturo Rosenblueth, México, D.F.
  • Cohn, M.Z.; Dinovitzer, A.S. (1994). Application of Structural Optimization. Journal of Structural Engineering, 120(2), 617–650.
  • Colorni, A.; Dorigo, M.; Maniezzo, V. (1991). Distributed optimization by ant colonies. In Proceeding of ECALEuropean Conference on Artificial Life, pp. 134–142. Paris: Elsevier.
  • de Albuquerque, A.T.; El Debs, M.K.; Melo, A.M.C. (2012). A cost optimization-based design of precast concrete floors using genetic algorithms. Automation in Construction, 22, 348–356.
  • de Medeiros, G.F. Kripka, M. (2014). Optimization of reinforced concrete columns according to different environmental impact assessment parameters. Engineering Structures, 59, 185–194.
  • Degertekin, S.O.; Saka, M.P.; Hayalioglu, M.S. (2008). Optimal load and resistance factor design of geometrically nonlinear steel space frames via tabu search and genetic algorithm. Engineering Structures, 30(1), 197–205.
  • Dueck, G.; Scheuer, T. (1990). Threshold accepting: A general purpose optimization algorithm appearing superior to simulated annealing. Journal of Computational Physics, 90(1), 161–175.
  • Dutta, R.; Ganguli, R.; Mani, V. (2011). Swarm intelligence algorithms for integrated optimization of piezoelectric actuator and sensor placement and feedback gains. Smart Materials and Structures, 20(10), 105018.
  • Gandomi, A.H.; Kashani, A.R.; Roke, D.A.; Mousavi, M. (2015). Optimization of retaining wall design using recent swarm intelligence techniques. Engineering Structures, 103, 72–84.
  • García-Segura, T.; Yepes, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125, 325–336.
  • García-Segura, T.; Yepes, V.; Alcalá, J. (2014a). Life cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. The International Journal of Life Cycle Assessment, 19(1), 3–12.
  • García-Segura, T.; Yepes, V.; Alcalá, J. (2014b). Sustainable design using multiobjective optimization of high-strength concrete I-beams. In The 2014 International Conference on High Performance and Optimum Design of Structures and Materials HPSM/OPTI (Vol. 137, pp. 347–358). Ostend, Belgium.
  • García-Segura, T.; Yepes, V.; Alcalá, J.; Pérez-López, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Engineering Structures, 92, 112–122.
  • García-Segura, T.; Yepes, V.; Frangopol, D.M. (2017a). Multi-objective design of post-tensioned concrete road bridges using artificial neural networks. Structural and Multidisciplinary Optimization, 56(1):139-150.,
  • García-Segura, T.; Yepes, V.; Frangopol, D.M.; Yang, D. Y. (2017b). Lifetime reliability-based optimization of post-tensioned box-girder bridges. Engineering Structures, 145, 381-391.
  • García-Segura, T.; Yepes, V.; Martí, J.V.; Alcalá, J. (2014c). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7), 1190–1205.
  • Geem, Z.W.; Kim, J.H.; Loganathan, G.V. (2001). A new heuristic optimization algorithm: Harmony search. Simulation, 76(2), 60–68.
  • Hare, W.; Nutini, J.; Tesfamariam, S. (2013). A survey of non-gradient optimization methods in structural engineering. Advances in Engineering Software, 59, 19–28.
  • Holland, J. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, USA.
  • Karaboga, D.; Basturk, B. (2008). On the performance of artificial bee colony (ABC) algorithm. Applied Soft Computing, 8(1), 687–697.
  • Kaveh, A.; Shakouri Mahmud Abadi, A. (2010). Cost optimization of a composite floor system using an improved harmony search algorithm. Journal of Constructional Steel Research, 66(5), 664–669.
  • Kennedy, J.; Eberhart, R. (1995). Particle swarm optimization. In Proceedings of ICNN’95 – International Conference on Neural Networks, Vol. 4, pp. 1942–1948. IEEE.
  • Kirkpatrick, S.; Gelatt, C.D.; Vecchi, M.P. (1983). Optimization by simulated annealing. Science, 220(4598), 671–680.
  • Kripka, M.; Chamberlain Pravia, Z.M. (2013). Cold-formed steel channel columns optimization with simulated annealing method. Structural Engineering and Mechanics, 48(3), 383–394.
  • Krishnanand, K.N.; Ghose, D. (2009). Glowworm swarm optimisation: a new method for optimising multi-modal functions. International Journal of Computational Intelligence Studies, 1(1), 93–119.
  • Lagaros, N.D.; Fragiadakis, M.; Papadrakakis; M.; Tsompanakis, Y. (2006). Structural optimization: A tool for evaluating seismic design procedures. Engineering Structures, 28(12), 1623–1633.
  • Lounis, Z.; Cohn, M.Z. (1993). Optimization of precast prestressed concrete bridge girder systems. PCI Journal, 38(4), 60–78.
  • Luo, Q.F.; Zhang, J.L. (2011). Hybrid Artificial Glowworm Swarm Optimization Algorithm for Solving Constrained Engineering Problem. Advanced Materials Research, 204-210, 823–827.
  • Luz, A.; Yepes, V.; González-Vidosa, F.; Martí, J.V. (2015). Diseño de estribos abiertos en puentes de carretera obtenidos mediante optimización híbrida de escalada estocástica. Informes de la Construcción, 67(540), e114.
  • Martí, J.V.; García-Segura, T.; Yepes, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Journal of Cleaner Production, 120, 231–240.
  • Martí, J.V.; González-Vidosa, F.; Yepes, V.; Alcalá, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Engineering Structures, 48, 342–352.
  • Martí, J.V.; Yepes, V.; González-Vidosa, F. (2015). Memetic algorithm approach to designing precast-prestressed concrete road bridges with steel fiber reinforcement. Journal of Structural Engineering, 141(2), 04014114.
  • Martínez-Martín, F. J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2013). A parametric study of optimum tall piers for railway bridge viaducts. Structural Engineering and Mechanics, 45(6), 723–740.
  • Martínez-Martín, F.J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University: Science A, 13(6), 420–432.
  • Molina-Moreno, F.; García-Segura, T.; Martí, J.V.; Yepes, V. (2017a). Optimization of Buttressed Earth-Retaining Walls using Hybrid Harmony Search Algorithms. Engineering Structures, 134, 205-216.
  • Molina-Moreno, F.; Martí, J.V.; Yepes, V. (2017b). Carbon embodied optimization for buttressed earth-retaining walls: implications for low-carbon conceptual designs. Journal of Cleaner Production, 164, 872-884.
  • Moscato, P. (1989). On evolution, search, optimization, genetic algorithms and martial arts: Towards memetic algorithms. Caltech Concurrent Computation Program (report 826). Caltech, Pasadena, California, USA.
  • Nigdeli, S.M.; Bekdas, G.; Kim, S.; Geem, Z. W. (2015). A novel harmony search based optimization of reinforced concrete biaxially loaded columns. Structural Engineering and Mechanics, 54(6), 1097–1109.
  • Park, H.; Kwon, B.; Shin, Y.; Kim, Y.; Hong, T.; Choi, S. (2013). Cost and CO2 emission optimization of steel reinforced concrete columns in high-rise buildings. Energies, 6(11), 5609–5624.
  • Payá, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2008). Multiobjective optimization of reinforced concrete building frames by simulated annealing. Computer-Aided Civil and Infrastructure Engineering, 23(8), 596–610.
  • Payá-Zaforteza, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2010). On the Weibull cost estimation of building frames designed by simulated annealing. Meccanica, 45(5), 693–704.
  • Payá-Zaforteza, I.; Yepes, V.; Hospitaler, A.; González-Vidosa, F. (2009). CO2-optimization of reinforced concrete frames by simulated annealing. Engineering Structures, 31(7), 1501–1508.
  • Pei, Y.; Xia, Y. (2012). Design of Reinforced Cantilever Retaining Walls using Heuristic Optimization Algorithms. Procedia Earth and Planetary Science, 5, 32–36.
  • Qu, L.; He, D.; Wu, J. (2011). Hybrid Coevolutionary Glowworm Swarm Optimization Algorithm with Simplex Search Method for System of Nonlinear Equations. Journal of Information & Computational Science, 8(13), 2693– 2701.
  • Rana, S.; Islam, N.; Ahsan, R.; Ghani, S.N. (2013). Application of evolutionary operation to the minimum cost design of continuous prestressed concrete bridge structure. Engineering Structures, 46, 38–48.
  • Sarma, K.C.; Adeli, H. (1998). Cost optimization of concrete structures. Journal of Structural Engineering, 124(5), 570–578.
  • Shieh, H.L.; Kuo, C.C.; Chiang, C.M. (2011). Modified particle swarm optimization algorithm with simulated annealing behavior and its numerical verification. Applied Mathematics and Computation, 218(8), 4365–4383.
  • Srinivas, V.; Ramanjaneyulu, K. (2007). An integrated approach for optimum design of bridge decks using genetic algorithms and artificial neural networks. Advances in Engineering Software, 38(7), 475–487.
  • Valdez, F.; Melin, P.; Castillo, O. (2011). An improved evolutionary method with fuzzy logic for combining Particle Swarm Optimization and Genetic Algorithms. Applied Soft Computing, 11(2), 2625–2632.
  • Wang, E.; Shen, Z. (2013). A hybrid Data Quality Indicator and statistical method for improving uncertainty analysis in LCA of complex system – application to the whole-building embodied energy analysis. Journal of Cleaner Production, 43, 166–173.
  • Wills, J. (1973). A mathematical optimization procedure and its application to the design of bridge structures. Wokingham, Berkshire, United Kingdom.
  • Yepes, V.; Alcalá, J.; Perea, C.; González-Vidosa, F. (2008). A parametric study of optimum earth-retaining walls by simulated annealing. Engineering Structures, 30(3), 821–830.
  • Yepes, V.; Díaz, J.; González-Vidosa, F.; Alcalá, J. (2009). Caracterización estadística de tableros pretensados para carreteras. Revista de la Construcción, 8(2), 95-109.
  • Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015a). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.
  • Yepes, V.; González-Vidosa, F.; Alcalá, J.; Villalba, P. (2012). CO2-optimization design of reinforced concrete retaining walls based on a VNS-threshold acceptance strategy. Journal of Computing in Civil Engineering, 26(3), 378–386.
  • Yepes, V.; Martí, J.V.; García-Segura, T. (2015b). Cost and CO2 emission optimization of precast–prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Automation in Construction, 49, 123–134.
  • Yepes, V.; Martí, J.V.; García-Segura, T.; González-Vidosa, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4), 738-749.
  • Yepes, V.; Torres-Machí, C.; Chamorro, A.; Pellicer, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4), 540-550.
  • Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
  • Yu, C.H.; Gupta, N.C. Das; Paul, H. (1986). Optimization of prestressed concrete bridge girders. Engineering Optimization, 10(1), 13–24.
  • Zhang, J.; Zhou, G.; Zhou, Y. (2010). A New Artificial Glowworm Swarm Optimization Algorithm Based on Chaos Method. In B. Cao, G. Wang, S. Chen, & S. Guo (Eds.), Quantitative Logic and Soft Computing 2010, Vol. 82, pp. 683–693. Berlin, Heidelberg: Springer Berlin Heidelberg.

 

 

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

16 abril, 2018
 

Publicada By  Víctor Yepes Piqueras - ANDECE, BIM, ciclo de vida, edificación, empresas constructoras, ingeniería civil, innovación, maquinaria, materiales, medios auxiliares, optimización, Planificación, procedimientos de construcción, seguridad, sostenibilidad, toma de decisiones    

http://constructioncitizen.com/blog/get-smart-construction-video/1510211

Se está poniendo de moda el concepto “inteligente” para nombrar todo tipo de cosas. Por ejemplo, “smart buildings“, “smart cities“, “smart beach“, “smart tourism destination“, “smart food“, etc. Como siempre, cada vez que se empieza a hacer viral un concepto, al final se acaba por difuminar y perder el sentido original de lo que se quería decir. Este tipo de modas ya han pasado por conceptos tan importantes como “calidad”, “sostenibilidad”, “innovación”, etc. Al final, aplicado a productos o servicios, se menoscaba el significado por culpa del marketing y con ello se quiere atraer al consumidor hacia lo “bueno”, “guay”, “saludable” o similares.

Espero que el término de “construcción inteligente” tenga algo más de recorrido y pueda suponer un punto de inflexión en nuestro sector. Este término presenta, como no podía ser de otra forma, numerosas interpretaciones y tantas más aplicaciones. Es un concepto que se asocia al diseño digital, a las tecnologías de la información y de la comunicación, la inteligencia artificial, al BIM, al Lean Construction, la prefabricación, los drones, la robotización y automatización, a la innovación y a la sostenibilidad, entre otros muchos conceptos.

Uno que me interesa mucho es la asociación con el de los nuevos métodos constructivos (término que incluye nuevos productos y nuevos procedimientos constructivos). Su objetivo es mejorar la eficiencia del negocio, la calidad, la satisfacción del cliente, el desempeño medioambiental, la sostenibilidad y la previsibilidad de los plazos de entrega. Por lo tanto, los métodos modernos de construcción son algo más que un enfoque particular en el producto. Involucran a la gente a buscar mejoras, a través de mejores procesos, en la entrega y ejecución de la construcción.

https://pixabay.com/es/sitio-de-construcci%C3%B3n-edificio-1205047/

Sin embargo, y este es un punto crucial, para que se pueda hablar de verdad de “construcción inteligente”, no solo vamos a necesitar incorporar las nuevas tecnologías, sino que también va a ser necesario elaborar un sistema que permita la participación de todas las partes implicadas en el proceso proyecto-construcción, alimentando de información de calidad a este sistema de forma que soporte la toma de decisiones mediante la inteligencia artificial. El BIM puede ser un buen punto de partida para ello, pero se hace necesario integrar la inteligencia colectiva de forma que, aunque se apoye el sistema de una rigurosa alimentación de datos en tiempo real, el decisor tome sus decisiones asumiendo la responsabilidad última de sus acciones.

Dejo abierto este tema por si alguno de mis estudiantes quieren realizar su Trabajo Fin de Máster, e incluso atreverse a la realización de una tesis doctoral sobre este tema.

Os voy a dejar algunos vídeos relacionados con el tema, algunos os gustarán más que otros, pero es una buena forma de acercarse al concepto de construcción inteligente.

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Publicada By  Víctor Yepes Piqueras - carreteras, ciclo de vida, investigación, optimización, proyectos, sostenibilidad, toma de decisiones    

Hoy 5 de abril de 2018 se celebra el día internacional del mantenimiento de carreteras (International Road Maintenance Day). Bajo la etiqueta #IRMD2018 y bajo el lema “Conservar las carreteras es preservar el medio ambiente” muchos colegas e investigadores están aportando su conocimiento e ideas para concienciar de la importancia de conservar nuestras infraestructuras, especialmente las carreteras.

Pues también quiero colaborar con mi granito de arena. A continuación tenéis recopilados los posts y trabajos que sobre conservación de pavimentos hemos desarrollado en nuestro grupo de investigación. Como podréis ver, nuestro grupo se ha especializado en la optimización heurística de todo tipo de infraestructuras (puentes, estructuras de hormigón, pavimentos, etc.), incluyendo la toma de decisiones, el análisis del ciclo de vida y la sostenibilidad social y ambiental. Si alguien está interesado en alguno de estos artículos, y no lo encuentra, que no dude en pedírmelo que se lo mando. Espero que os resulte útil y de interés.

 

Referencias:

SIERRA, L.A.; YEPES, V.; PELLICER, E. (2018). A review of multi-criteria assessment of the social sustainability of infrastructures. Journal of Cleaner Production (accepted, in press).

SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects.  Journal of Cleaner Production, 176:521-534. https://doi.org/10.1016/j.jclepro.2017.12.140

SIERRA, L.A.; YEPES, V.; PELLICER, E. (2017). Assessing the social sustainability contribution of an infrastructure project under conditions of uncertainty. Environmental Impact Assessment Review, 67:61-72. DOI:10.1016/j.eiar.2017.08.003 (link)

SIERRA, L.A.; PELLICER, E.; YEPES, V. (2017). Method for estimating the social sustainability of infrastructure projects.Environmental Impact Assessment Review, 65:41-53. DOI: 10.1016/j.eiar.2017.02.004

PELLICER, E.; SIERRA, L.A.; YEPES, V. (2016). Appraisal of infrastructure sustainability by graduate students using an active-learning method. Journal of Cleaner Production, 113:884-896. DOI:10.1016/j.jclepro.2015.11.010

SIERRA, L.A.; PELLICER, E.; YEPES, V. (2016). Social sustainability in the life cycle of Chilean public infrastructure.Journal of Construction Engineering and Management ASCE, 142(5):  05015020. DOI: 10.1061/(ASCE)CO.1943-7862.0001099.

TORRES-MACHI, C.; PELLICER, E.; YEPES, V.; CHAMORRO, A. (2017). Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions. Journal of Cleaner Production, 148:90-102. http://www.sciencedirect.com/science/article/pii/S0959652617301142

YEPES, V.; TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4):540-550. DOI: 10.3846/13923730.2015.1120770

TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E.; YEPES, V.; VIDELA, C. (2015). Sustainable pavement management: Integrating economic, technical, and environmental aspects in decision making. Transportation Research Record, 2523:56-63. DOI:10.3141/2523-07

TORRES-MACHÍ, C.; CHAMORRO, A.; YEPES, V.; PELLICER, E. (2014). Current models and practices of economic and environmental evaluation for sustainable network-level pavement management. Revista de la Construcción, 13(2): 49-56. http://dx.doi.org/10.4067/S0718-915X2014000200006 

TORRES-MACHÍ, C.; CHAMORRO, A.; VIDELA, C.; PELLICER, E.; YEPES, V. (2014). An iterative approach for the optimization of pavement maintenance management at the network level. The Scientific World Journal, Volume 2014, Article ID 524329, 11 pages, http://dx.doi.org/10.1155/2014/524329  (link)

TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E.; YEPES, V.; VIDELA, C. (2015). Sustainable pavement management: How to integrate economic, technical and environmental aspects in decision-making. Transportation Research Board (TRB) 94th Annual Meeting, January 11-15, Washington, D.C., pp. 1-13.

TORRES-MACHÍ, C.; CHAMORRO, A.; PELLICER, E.; YEPES, V.; OSORIO, A.; VIDELA, C. (2014). Optimización heurística para la gestión de infraestructuras: aplicación a una red de pavimentos urbanos en Chile. 11er Congreso Internacional PROVIAL, 20-14 octubre, Valdivia (Chile), 14 pp.

TORRES-MACHÍ, C.; YEPES, V.; PELLICER, V.; CHAMORRO, A. (2014). Application of simple and hybrid local search heuristic for the long-term optimization of pavement maintenance strategies at the network level. Transportation Research Board (TRB) 93rd Annual Meeting. 12-16 January, Washington D.C.

TORRES-MACHÍ, C.; CHAMORRO, A.; VIDELA, C.; PELLICER, E.; YEPES, V. (2013). Optimization and prioritization methods for pavement network management. Transportation Research Board 92st Annual Meeting, Washington, D.C., 13-17 January. Paper 13-5057, pp. 1-14.

TORRES-MACHÍ, C.; PELLICER, E.; YEPES, V.; CHAMORRO, A. (2013). Heuristic optimization model for infrastructure asset management. In: Bielza et al. (Eds.): Proceedings fo 15th Conference of the Spanish Association for Artificial Intellingence, CAEPIA 2013, Lecture Notes in Computer Science, 8109, pp. 300-309. Springer, Madrid, Spain, September 17-20.

TORRES-MACHÍ, C.; PELLICER, E.; YEPES, V.; PICORNELL, M. (2013). The impact of the economic crisis in the construction industry from the perspective of graduate students. 2nd Cyprus International Conference on Educational Researches, 13-15 february, Atatürk Teacher Training Academy, Lefkosa, Turkish Republic of Northern Cyprus.

Publicada By  Víctor Yepes Piqueras - ciclo de vida, estructuras, hormigón, investigación, optimización, prefabricación, sostenibilidad, toma de decisiones    

Fotografía: Xosé Manuel López Gallego

La sostenibilidad en el ámbito de la construcción constituye una línea de trabajo importante en este momento (Yepes et al., 2016; Torres-Machí et al., 2017; Zastrow et al., 2017). Los puentes se proyectan para ser funcionales durante muchos años, por lo que deben considerarse todos los aspectos relacionados con su ciclo de vida: proyecto, construcción, operación y desmantelamiento. Es por ello que la inversión debe contemplar el deterioro del puente y su mantenimiento para mantener la estructura en buenas condiciones el máximo tiempo posible. Una revisión reciente de la aplicación de los métodos de decisión multicriterio a los puentes puede consultarse en el trabajo de Penadés-Plà et al. (2016).

Sarma y Adeli (1998) revisaron los estudios realizados sobre la optimización de estructuras de hormigón y detectaron cierta carencia en cuanto a la investigación en el ámbito de la optimización de las estructuras que considere el coste de todo el ciclo de vida, y no solo el coste inicial de su construcción. Frangopol y Kim (2011) también reivindicaron la importancia de extender la vida útil de las estructuras, pues muchas de ellas empiezan a mostrar señales significativas de deterioro antes de lo esperado. Para prolongar la vida de las estructuras deterioradas, se pueden aplicar medidas de mantenimiento que retrasen la propagación de los daños, o bien reducir el grado de dicho daño (Kim et al., 2013). Frangopol y Soliman (2016) describieron las acciones necesarias para la planificación eficaz del mantenimiento para maximizar las prestaciones de la estructura durante el ciclo de vida bajo restricciones presupuestarias. García-Segura et al. (2017) han optimizado las labores de mantenimiento de puentes pretensados desde el punto de vista de sostenibilidad económica, social y ambiental partiendo de diseños optimizados con múltiples objetivos (económico, durabilidad y seguridad).

El mantenimiento de los elementos de los puentes de grandes luces situados en zonas costeras deteriorados por corrosión representa la mayor parte del coste del ciclo de vida de estas estructuras (Cheung et al., 2009). Kendall et al. (2008) propusieron un modelo que integraba el análisis del ciclo de vida y los costes asociados desde la perspectiva de la sostenibilidad. Lee et al., (2006) evaluaron la fiabilidad de un puente cuando la corrosión y el tráfico de camiones pesados afectan a la estructura. Propusieron una metodología realista de los costes a lo largo del ciclo de vida, incluyendo los costes iniciales, los de mantenimiento, los esperados en la rehabilitación, las pérdidas por accidentes, los costes del usuario de la carretera y las pérdidas socioeconómicas indirectas. Penadés-Plà et al. (2017, 2018) han estudiado el ciclo de vida de puentes de sección en cajón y puentes de vigas artesa. Navarro et al. (2018) han analizado en un trabajo reciente el coste del ciclo de vida de las estrategias de mantenimiento en puentes pretensados expuestos al ataque de clorhídricos.

Neves y Frangopol (2005) indicaron cómo la evaluación de la seguridad de una estructura constituye un indicador básico para medir su rendimiento, pues el estado de la estructura no es un indicador preciso para evaluar la seguridad y la funcionalidad de un puente. Liu y Frangopol (2005) estudiaron la mejor planificación del mantenimiento de un puente durante su ciclo de vida mediante una optimización multiobjetivo de la vida útil, el nivel de seguridad y el coste del mantenimiento. Como se puede ver, los objetivos de rendimiento estructural y de economía se han añadido a los aspectos sociales y ambientales de las acciones de mantenimiento de las estructuras (Dong et al., 2013; Sierra et al., 2016; García-Segura et al., 2017).

Referencias:

Cheung, M. M.; Zhao, J.; Chan, Y. B. (2009). Service life prediction of RC bridge structures exposed to chloride environments. Journal of Bridge Engineering, 14(3), 164–178.

Dong, Y.; Frangopol, D.M.; Saydam, D. (2013). Time-variant sustainability assessment of seismically vulnerable bridges subjected to multiple hazards. Earthquake Engineering & Structural Dynamics, 42(10), 1451–1467.

Frangopol, D.M.; Kim, S. (2011). Service life, reliability and maintenance of civil structures. In L. S. Lee; V. Karbari (Eds.), Service Life Estimation and Extension of Civil Engineering Structures (pp. 145–178). Elsevier.

Frangopol, D.M.; Soliman, M. (2016). Life-cycle of structural systems: recent achievements and future directions. Structure and Infrastructure Engineering, 12(1), 1–20.

García-Segura, T.;  Yepes, V.; Frangopol, D.M.; Yang, D.Y. (2017). Lifetime Reliability-Based Optimization of Post-Tensioned Box-Girder Bridges. Engineering Structures, 145:381-391.

Kendall, A.; Keoleian, G.A.; Helfand, G. E. (2008). Integrated life-cycle assessment and life-cycle cost analysis model for concrete bridge deck applications. Journal of Infrastructure Systems, 14(3), 214–222.

Kim, S.; Frangopol, D.M.; Soliman, M. (2013). Generalized probabilistic framework for optimum inspection and maintenance planning. Journal of Structural Engineering, 139(3), 435–447.

Lee, K.M.; Cho, H.N.; Cha, C.J. (2006). Life-cycle cost-effective optimum design of steel bridges considering environmental stressors. Engineering Structures, 28(9), 1252–1265.

Liu, M.; Frangopol, D. M. (2005). Multiobjective maintenance planning optimization for deteriorating bridges considering condition, safety, and life-cycle cost. Journal of Structural Engineering, 131(5), 833–842.

Navarro, I.J.; Yepes, V.; Martí, J.V. (2018). Life cycle cost assessment of preventive strategies applied to prestressed concrete bridges exposed to chlorides. Sustainability, 10(3), 845.

Neves, L.C.; Frangopol, D.M. (2005). Condition, safety and cost profiles for deteriorating structures with emphasis on bridges. Reliability Engineering & System Safety, 89(2), 185–198.

Penadés-Plà, V.; García-Segura, T.; Martí, J.V.; Yepes, V. (2018). An optimization-LCA of a prestressed concrete precast bridge. Sustainability, 10(3):685.

Penadés-Plà, V.; Martí, J.V.; García-Segura, T.;  Yepes, V. (2017). Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges. Sustainability, 9(10):1864.

Penadés-Plà, V.; García-Segura, T.; Martí, J.V.; Yepes, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design. Sustainability, 8(12):1295.

Sarma, K.C.; Adeli, H. (1998). Cost optimization of concrete structures. Journal of Structural Engineering, 124(5), 570–578.

Sierra, L.A.; Pellicer, E.; Yepes, V. (2016). Social sustainability in the life cycle of Chilean public infrastructure. Journal of Construction Engineering and Management ASCE, 142(5):  05015020.

Torres-Machí, C.; Pellicer, E.; Yepes, V.; Chamorro, A. (2017). Towards a sustainable optimization of pavement maintenance programs under budgetary restrictions. Journal of Cleaner Production, 148:90-102.

Yepes, V.; Torres-Machí, C.; Chamorro, A.; Pellicer, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4):540-550.

Zastrow, P.; Molina-Moreno, F.; García-Segura, T.; Martí, J.V.; Yepes, V. (2017). Life cycle assessment of cost-optimized buttress earth-retaining walls: a parametric study. Journal of Cleaner Production, 140:1037-1048.

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Publicada By  Víctor Yepes Piqueras - algoritmo, estructuras, hormigón, modelo matemático, optimización, Puentes, sostenibilidad    

Acaban de publicarnos un artículo en la revista internacional Sustainability sobre análisis de ciclo de vida de puentes óptimos de vigas. La evaluación del impacto ambiental se realiza a lo largo del ciclo de vida de puentes de hormigón postesado de vigas artesa que previamente han sido optimizados mediante una metaheurística de algoritmos meméticos. Os dejo a continuación la referencia de la revista. Además os podéis descargar y distribuir el artículo sin problema, pues está editado en abierto:

http://www.mdpi.com/2071-1050/10/3/685/html

Referencia:

PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2018). An optimization-LCA of a prestressed concrete precast bridge. Sustainability, 10(3):685. doi:10.3390/su10030685

Descargar (PDF, 2.69MB)

Publicada By  Víctor Yepes Piqueras - algoritmo, estructuras, hormigón, investigación, optimización, Puentes, sostenibilidad, toma de decisiones    

Parece que fue ayer, pero este 2018 cumplimos 10 años desde que nos publicaron el primer artículo internacional relacionado con la optimización heurística de estructuras de hormigón. Sin embargo, todo empezó un poco antes, en el 2002, año en que defendí mi tesis doctoral denominada “Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW”. Con ella pude ponerme al día con los procedimientos de optimización heurística más prometedores en ese momento. Sin embargo, pronto me dí cuenta de las posibilidades que tenía aplicar estos algoritmos a la optimización de problemas reales de ingeniería, en particular las estructuras de hormigón.

Por tanto, en septiembre del año 2002 fue el inicio del Grupo de Investigación de Procedimientos de Construcción, Optimización y Análisis de Estructuras. La iniciativa de creación del grupo correspondió a los profesores González-Vidosa y Yepes Piqueras. El primero de ellos, con una amplia experiencia en la investigación y la práctica profesional de las estructuras de hormigón armado y pretensado; y el segundo, con una experiencia reciente en el campo de la optimización heurística en la ingeniería. A partir de ese momento empezaron a gestarse las primeras tesis doctorales, las primeras de las cuales se defendieron en el año 2007, correspondientes a Cristian Perea de Dios y a Ignacio Javier Payá Zaforteza. En el año 2008 se publicaron nuestros tres primeros artículos: Perea et al. (2008), Payá et al. (2008) y Yepes et al. (2008).

En aquellos momentos, las preguntas a las que pretendíamos dar una solución fueron las siguientes:

  • ¿Es capaz la inteligencia artificial de diseñar automáticamente las estructuras?
  • ¿La inteligencia artificial podrá suplantar la experiencia del ingeniero en el prediseño de las estructuras?
  • ¿Se pueden utilizar técnicas procedentes del campo de la Investigación Operativa en la optimización de las estructuras?
  • ¿Puede alcanzarse una economía importante en los costes de construcción de las estructuras sin merma de la calidad?
  • ¿Aparecerán nuevas patologías si los módulos de optimización automática empiezan a implantarse de forma habitual en los paquetes de cálculo comerciales?
  • ¿Deberían revisarse las normas de cálculo si se extiende el cálculo optimizado de estructuras?
  • ¿Deberán tenerse en cuenta estados límites no considerados hasta ahora en la comprobación de las estructuras optimizadas?
  • ¿Pueden optimizarse varios criterios a la vez? ¿Cómo son las estructuras de bajo coste y alta seguridad?
  • ¿Es posible valorar el coste de la seguridad integral de una estructura?
  • ¿Podemos diseñar estructuras de bajo coste y que a la vez consuman poco CO2 y energía para hacer una ingeniería sostenible?
  • ¿Se puede aplicar el concepto de “huella ecológica” al diseño de las estructuras?

 

Fueron nuestros tres primeros artículos internacionales, pero a fecha de hoy ya se han publicado más de 60 y dirigido una quincena de tesis doctorales, así como una decena de proyectos de investigación. La lista la podéis ver en el blog: http://victoryepes.blogs.upv.es/publicaciones/articulos-jcr/

Referencias:

PEREA, C.; ALCALÁ, J.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Design of Reinforced Concrete Bridge Frames by Heuristic Optimization. Advances in Engineering Software, 39(8): 676-688.

PAYÁ, I.; YEPES, V.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A. (2008). Multiobjective Optimization of Reinforced Concrete Building Frames by Simulated Annealing. Computer-Aided Civil and Infrastructure Engineering, 23(8): 596-610.

YEPES, V.; ALCALÁ, J.; PEREA, C.; GONZÁLEZ-VIDOSA, F. (2008). A Parametric Study of Optimum Earth Retaining Walls by Simulated AnnealingEngineering Structures30(3): 821-830.

 

20 febrero, 2018
 

Página siguiente »

Universidad Politécnica de Valencia